多监控数据融合下的铣削刀具磨损量预测

作者：陈熠道; 黎明柱; 邓小龙^*

来源：组合机床与自动化加工技术, 2022, (04): 96-104.

DOI：10.13462/j.cnki.mmtamt.2022.04.022

• 刀具磨损
• 神经网络
• Transformer
• 自注意力机制

提出多监控数据下的刀具磨损精确估计神经网络模型，将多传感器信号数据处理成三种时间特征数据，利用三个相同的子模型分别对特征数据进行处理，并作为多层全连通网络的输入，进而实现刀具磨损的最终估计。使用的子模型结合了Transformer模型和自注意力机制，利用长短期记忆网络(LSTM)增强了刀具磨损的数据获取能力，提高了模型的性能。通过实际铣削数据集的多个实验，验证了该方法的有效性，与其他方法进行了比较，验证了该方法的优越性。

• 单位
  江苏信息职业技术学院; 上海交通大学